Kecerdasan Buatan Dapat Dilatih untuk Membuat Prediksi Ilmiah Secara Mandiri Berdasarkan Pengetahuan Sebelumnya

Terdapat debat yang sedang berlangsung di antara peneliti kecerdasan buatan tentang apakah Kecerdasan Buatan, seperti yang dicatat oleh TheNext Web (TNW), “akan segera dapat mengembangkan jenis kecerdasan umum yang dimiliki manusia,” dengan argumen yang sengit untuk dan melawan.

Namun, ada bidang pengetahuan lain di mana kecerdasan buatan membuat langkah besar, yaitu dengan Pengolahan Bahasa Alami (NLP), bagian dari payung yang lebih besar dari pembelajaran mesin, dengan “tujuan untuk menilai, mengekstrak, dan mengevaluasi informasi dari data teks.” Dalam hal ini, TNW menunjuk pada sebuah makalah yang baru-baru ini diterbitkan di Nature yang melaporkan bahwa kecerdasan buatan telah “mampu memprediksi penemuan ilmiah di masa depan dengan hanya mengekstrak data yang bermakna dari publikasi penelitian.”

Mencari dan memahami pertanyaan ilmiah tertentu memerlukan langkah yang jelas, yaitu berkonsultasi dengan buku, publikasi khusus, halaman web, dan sumber lain yang relevan. Tentu saja, ini dapat menjadi latihan yang sangat memakan waktu, terutama jika kita memiliki masalah atau pertanyaan yang sangat kompleks. Itulah di mana NLP masuk. Dengan menggunakan “metode dan teknik yang canggih, program komputer dapat mengidentifikasi konsep, hubungan timbal balik, topik umum, dan sifat khusus dari dataset teks yang besar.”

Seperti yang dibahas dalam studi yang disebutkan, “sampai sekarang, sebagian besar metode NLP-berbasis otomatis yang ada adalah terarah, memerlukan input dari manusia. Meskipun ini merupakan perbaikan dibandingkan dengan pendekatan manual murni, ini masih merupakan pekerjaan yang memakan waktu.” Namun, peneliti yang menyiapkan makalah ini mampu menciptakan sistem kecerdasan buatan yang “dapat mengidentifikasi dan mengekstrak informasi secara akurat dan mandiri. Ini menggunakan teknik canggih berdasarkan sifat statistik dan geometris dari data untuk mengidentifikasi nama kimia, konsep, dan struktur. Ini didasarkan pada sekitar 1,5 juta abstrak dari makalah ilmiah tentang ilmu bahan.”

Kemudian, program pembelajaran mesin ini “mengklasifikasikan kata-kata dalam data berdasarkan fitur khusus seperti “elemen”, “energetika” dan “perekat”. Sebagai contoh, “panas” diklasifikasikan sebagai bagian dari “energetika”, dan “gas” sebagai “elemen”. Ini membantu menghubungkan senyawa tertentu dengan jenis magnetisme dan kesamaan dengan bahan lain, di antara hal-hal lain, memberikan wawasan tentang bagaimana kata-kata terhubung tanpa intervensi manusia yang diperlukan.”

Metode ini memungkinkan kecerdasan buatan untuk “menangkap hubungan kompleks dan mengidentifikasi lapisan informasi yang berbeda, yang hampir mustahil untuk dilakukan oleh manusia.” Ini memungkinkan memberikan wawasan jauh sebelumnya dibandingkan dengan apa yang para ilmuwan di bidang ini dapat lakukan saat ini. Kecerdasan buatan sebenarnya merekomendasikan bahan “untuk aplikasi fungsional beberapa tahun sebelum penemuan sebenarnya. Terdapat lima prediksi seperti itu, semua berdasarkan makalah yang diterbitkan sebelum tahun 2009. Sebagai contoh, kecerdasan buatan berhasil mengidentifikasi suatu zat yang dikenal sebagai CsAgGa2Se4as sebagai bahan termolistrik, yang hanya ditemukan oleh ilmuwan pada tahun 2012. Jadi, jika kecerdasan buatan ada di sekitar tahun 2009, itu bisa mempercepat penemuan.”